- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
维普资讯
第 l7卷 第 lO期 计 算机 技 术 与 发 展 Vd.17 No.10
2007年 l0月 (℃ 加)1T『ERTEa oI GY AND Oct. 2007
图像分割中模糊聚类数 目的确定
王 备 ,王继成
(同济大学 电子与信息工程学院,上海 201804)
摘 要:尽管模糊聚类是一种无监督的分类,但 目前的FCM类型的算法却要求聚类原形参数的先验知识 (原型数 目及类
型),否则算法就会产生误导,这就限制了在图像分割中的应用。因此需要对聚类数 目给出一个判断算法。通过对图像的
灰度直方图中加入它的梯度信息,提出了灰度一梯度的二维直方图。该方法能有效地抑制噪声的干扰,更准确地得到聚
类数 目.使模糊聚类完全无监督化。
关键词:灰度一梯度的二维直方图;模糊 c一均值聚类 ;图像分割
中图分类号:TP391.41 文献标识码:A 文章编号 :1673—629x(2007)10—0162一O3
IdentificationNumbersofFuzzyClusteringAlgorithm
inImageSegmentation
WANGBei,W /~NGji—cheng
(CollegeofElectronicsandInformationEngineering,Ton~iUniversity,Shnaghai201804,China)
Abstract:AIthoughafuzzyelusterit~galgorithm isaclusteringwithoutsupervising.Now theFCM arithmeticshoddbegiventhetrarkscen—
dentinformationofnaterYt~parameter,otherwisethearitmh eticwillbewrong.Thislimitsitsapplicationinin~tgeesgmentation.Soshould
haveanalgoritluntojudgethenumberoftheclustering.Inthepaper,addedthegradientinformationintotheimagegradationhistogrma ,
proposedthegradation—gradient㈨ 一dimensionalhistogrma .Thismethodcanrdeucethedisturbanceofnoise,getthenumbersmoreae—
curate.Thismethodmadethefuzzyellistering algoritmh becomeaclusteringwithcutsupervising .
Keywords:gradation—gradienttwo—dimensionalhistogram;fuzzyC—meansclustering ;lnlageesgmentation
O 引 言 型数 目及类型),否则算法就会产生误导;而 目前有些
图像分割是图像分析和计算机视觉中的非常重要 论文加入了如纹理等其他因素 3。
的一个过程,它根据图像中的一个或多个特征将图像 2)由于模糊聚类 目标函数是非凸的,而FCM类型
分成某几个区域。至今已提出了许多图像分割方法, 算法又是迭代爬山,因此很容易陷入局部极值点或鞍
例如:边缘检测、区域增长、直方图阈值化、分水岭算法 点而得不到最优解甚至是满意解,同时大量数据下算
和聚类等…1。但是各类分割方法的效果都不是十分的 法很耗时。
理想,都有其长处也有其短处,或只能适用于个别的几
文档评论(0)